局所的敏感ハッシュ（LSH）は、高次元のデータ空間において、類似したデータ同士が同じハッシュ値に割り当てられやすくなる特性を持つアルゴリズムです。大規模なベクトルデータベースからの高速な近似近傍探索において重要な役割を果たします。
局所的敏感ハッシュとは
一言でいうとLSHは、膨大なデータの中から「似たもの同士」を高速に見つけ出すためのハッシュ化技術です。
詳しく解説
通常のハッシュ関数は、入力データがわずかに変わるだけで出力値が大きく異なる性質（雪崩効果）を持ち、データ検索には不向きです。これに対しLSHは、近傍にあるデータ項目ほど高い確率で同じバケット（ハッシュ値）に分類されるよう設計されています。この仕組みにより、すべてのデータとの距離を計算する全探索を回避し、検索対象を大幅に絞り込むことで、近似近傍探索の計算量を劇的に削減できます。
具体例・使われ方
具体的な利用例として、大規模な画像認識システムでの類似画像の検索や、自然言語処理におけるベクトルデータベースを用いた文書の類似度検索、レコメンデーションシステムでの高精度なアイテム推薦などが挙げられます。
似た用語との違い
一般的な暗号学的ハッシュ関数やデータ構造で使われるハッシュ関数は、入力のわずかな違いを分散させることを目的としますが、LSHはあえて局所的な類似性を保持させる点が異なります。
注意点
LSHは近似近傍探索の手法であるため、常に厳密な最適解が見つかるとは限らず、精度と検索速度の間でトレードオフが存在する点に注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月9日 15:41